Кожен реліз нової моделі провокує одні й ті самі заїжджені дебати. Коментатори поспішають проголосити переможця і оголосити попередній рівень мертвим. З появою GPT-5.6 Luna поруч із Terra та Sol наратив пише сам себе: Luna достатньо дешева і достатньо здібна, щоб зробити Terra неактуальною. Це помилка. Вона також дорога. Вибір моделі для ваших кодинг-агентів — це не конкурс краси, не частина ідентичності команди і не перегони за бенчмарками. Це операційна політика. Команди, які усвідомлять цю різницю, витрачатимуть менше, рухатимуться швидше та робитимуть менше помилок, ніж ті, хто за замовчуванням використовує найпотужнішу модель для кожного запиту.

Вашим стандартом має бути найдешевший інструмент, який підходить

Luna — це рівень оптимальної вартості, і це не є зневажливою похвалою. Вона найкраще справляється з обмеженими, чіткими та простими завданнями. Наприклад: класифікація, узагальнення, короткі правки коду та первинне дослідження. Коли агент аналізує тикет підтримки, щоб призначити мітку пріоритету, Luna цілком достатньо. Коли він перейменовує змінну у кількох файлах або складає короткий підсумок git diff — Luna цілком достатньо. Це завдання з вузькими межами, чіткими вхідними даними та об'єктивно перевірюваними результатами.

Економічний ефект — ось що змінює правила гри. Luna дешева. При великих обсягах це перетворює автоматизацію з дорогої церемонії на інфраструктуру. Ви перестаєте рахувати токени й починаєте вимірювати пропускну здатність. Дешева модель, яка вирішує вісімдесят відсотків рутинних завдань, є ціннішою за дорогу модель, яка вирішує вісімдесят п'ять відсотків, якщо ці додаткові п'ять відсотків не змінюють кінцевий результат. Якщо Luna генерує юніт-тест за дві секунди, а Terra генерує трохи чистіший тест за вісім секунд і в п'ять разів дорожче, математика працює лише в тому випадку, якщо хтось ретельно перевіряє кожен рядок. У більшості випадків ніхто цього не робить. Luna має бути вашим стандартом для обмежених завдань саме тому, що більшість роботи є обмеженою.

Переходьте на вищий рівень, коли межі зникають

Terra не є марною. Це ваш рівень ескалації, і вона виправдовує себе в завданнях без чітких меж. Використовуйте її, коли мета недостатньо деталізована або коли робота стосується складних систем, таких як шляхи розгортання, міжмодульні зміни або сортування інцидентів. Шлях розгортання, що пролягає через середовища staging, canary та production із використанням feature flags, не має чіткої специфікації. Рефакторинг, що зачіпає логіку білінгу та непомітно впливає на конвеєр звітності, не є обмеженим завданням. Виробничий інцидент, де логи кричать про таймаути API, а першопричина криється в скрипті міграції з минулого кварталу, потребує розсудливості.

Terra забезпечує цю розсудливість. Вона відрізняє симптоми від причин. Luna може залатати цикл повторних спроб, щоб зупинити «кровотечу». Terra запитає, чи має цей цикл взагалі існувати, або чи не є архітектура таймаутів основною проблемою. Ця різниця має значення, коли неправильне виправлення перетворює тимчасове сповільнення на каскадний збій. Потужніша модель, яка запобігає одній невдалій міграції на продакшені, варта своєї ціни, якщо вона економить інженеру цілий день на виправлення помилок. Один запобіжний збій окупає місяці використання рівня ескалації.

Sol — це страховий поліс, а не основний інструмент

Sol існує для випадків, коли додаткові можливості виправдовують високу вартість. Використовуйте її для високоризикованих перевірок або архітектурних змін. Перебудова потоку автентифікації, редизайн шардингу бази даних або схвалення pull request, що зачіпає платіжний шлюз, не є щоденними подіями. Це події. Sol не має бути вашим стандартом. Вона має бути вашим обробником винятків, який викликають, коли ціна помилки занадто висока, щоб дешеві моделі могли впоратися самотужки.

Для категорії найвищого ризику поєднуйте Sol із детермінованим верифікатором. Нехай Sol пропонує зміну схеми або аналізує архітектурні компроміси. Нехай ваш CI-конвеєр, статичний аналіз та інтеграційні тести підтверджують механічні деталі. Модель приносить інтуїцію. Верифікатор приносить гарантії. Саме таке поєднання захищає вас, коли радіус ураження найбільший.

Будуйте роутер, а не релігію

Справжня метрика — не те, яка модель найкраща. Питання в тому, яка модель має виконувати це завдання, виходячи з вартості, затримки та радіусу ураження. Припиніть сприймати вибір моделі як частину ідентичності. Не кажіть: «Ми працюємо тільки на Terra». Натомість розподіляйте завдання за їхнім класом.

Build a simple classifier. Incoming tasks get tagged by blast radius. Low-blast-radius work goes to Luna. Medium-blast-radius work goes to Terra. High-blast-radius work goes to a strong model plus a deterministic verifier. You do not need a perfect machine learning classifier to start. A few heuristics will do. Code reviews that only touch internal utilities and stay under a narrow line count? Luna. Tickets mentioning deployment pipelines, cross-service calls, or ambiguous requirements? Terra. Anything touching customer data, critical paths, or legal compliance? Escalate to Sol and require human or deterministic review.

Measure outcomes, not model names. Track cost per task, retry rate, and escape defects. If Luna is failing on tasks you assigned to it, move the boundary up. If Terra is overkill for a pattern that repeats every day, demote it to Luna and watch your burn drop. The goal is to increase automation without breaking your budget. Luna handles the high-volume background work. Terra handles the moments where judgment matters. Sol stands watch for the exceptions that can break your week.

The teams that get this right treat their agent fleet like a well-run engineering org. They do not staff every project with architects, and they do not ask interns to redesign the core data model. They match capability to risk. Do the same with your models.

Read the original discussion: GPT-5.6 Luna Is The Value Tier. Terra Is Not Useless

Join the GyaanSetu learning community: t.me/GyaanSetuAi